跳到正文
OpenReview · EEG· Clément Bonet; Benoît Malézieux; Alain Rakotomamonjy; Lucas Drumetz; Thomas Moreau; Matthieu Kowalski; Nicolas Courty·· 2023-04-25精选AI 评分79

面向 M/EEG 信号的对称正定矩阵上的 Sliced-Wasserstein 距离

Sliced-Wasserstein on Symmetric Positive Definite Matrices for M/EEG Signals

AI 导读

基于摘要分析。该研究针对 EEG/MEG 多变量时间序列以协方差矩阵表征后,如何比较这些矩阵的分布这一问题,提出对称正定矩阵上概率测度之间的 Sliced-Wasserstein 距离。其贡献是将考虑矩阵几何结构的分布比较方法用于 MEG 脑龄预测与 BCI 域适应,而非直接提出原始信号解码网络。 技术机制:协方差矩阵具有对称正定结构,研究以黎曼几何为背景定义分布间的差异度量。作者称该 Sliced-Wasserstein 距离具有较强的理论保证,并利用其性质与核方法开展预测。具体切片构造、所采用的几何度量、核的定义及理论保证的适用条件,摘要未展开,尚需全文核对。 应用与结果:在 MEG 脑龄预测任务中,作者将该方法与基于黎曼几何的先进算法进行比较;摘要没有提供预测指标或比较数值,不能据此判断性能优势。对于 BCI 域适应,作者报告该方法可作为 Wasserstein 距离的高效替代,并在 M/EEG 多变量时间序列上展示计算效率,但具体运行时间、计算资源和效果保持程度尚未验证。 阅读与复现重点:需核对协方差估计及正定性处理、矩阵分布的构建单位、域适应中的监督条件,以及计算效率与预测性能之间的权衡。数据集、被试数量、被试内或跨被试等划分协议、对照实现、实验协议、消融及统计信息尚未验证;目前不能将摘要中的效率结论外推为跨被试、跨会话或跨数据集 BCI 的普遍收益。

阅读价值

该研究将对称正定协方差矩阵上的分布距离与核方法及 BCI 域适应连接起来,值得核对其理论保证、计算成本及相对 Wasserstein 距离的替代效果。

来源:OpenReview · EEG · openreview.net